Najważniejsze wnioski w pigułce
Wpływ AI Overviews na ruch organiczny:
- AI Overviews powodują spadek CTR o 34,5%, a według Seer Interactive nawet o 61%
- Użytkownicy klikają w tradycyjne wyniki tylko w 8% wizyt z AI Overview (vs 15% bez)
- 76% URL cytowanych w AI Overviews znajduje się jednocześnie w TOP 10 organicznych wyników
Które zapytania wywołują AI Overviews:
- AI Overviews pojawiają się dla 21% wszystkich słów kluczowych
- 57,9% zapytań w formie pytań generuje AI Overviews
- 99,9% słów kluczowych z AI Overviews ma charakter informacyjny
- Pytania “dlaczego” wywołują AI Overviews w 59,8% przypadków
Strategie optymalizacji:
- Mediana pozycji dla najczęściej cytowanych URL to miejsce 2 w tradycyjnych SERP-ach
- Długość tekstu praktycznie nie koreluje z cytowaniami (współczynnik ~0,04)
- Strony rankujące dla zapytań “fan-out” mają o 161% większe szanse na cytowanie
- Korelacja między rankingiem dla fan-out queries a cytowaniem wynosi 0,77 (bardzo silna)
Większość porad dotyczących pozycjonowania w AI Overviews opiera się na spekulacjach. Przeanalizowaliśmy miliony odpowiedzi AI Overview, przebadaliśmy zewnętrzne badania i przestudiowaliśmy wytyczne Google, żeby ustalić, co faktycznie działa. Wyniki są jednoznaczne — AI Overviews pożerają ruch organiczny na potęgę, ale stały się nieodłącznym elementem krajobrazu wyszukiwania. Dzisiejsze SERP-y to przede wszystkim kwestia widoczności marki, a w mniejszym stopniu ruchu. Jeśli nie rankujesz się w AI Overview, po prostu nie jesteś widoczny.
Czym właściwie jest ranking w AI Overview
Gdy Twoja strona zostaje zacytowana w odpowiedzi AI — zazwyczaj wyświetlanej na górze SERP-u — efektywnie “rankujesz się” w AI Overview. Najwyżej cytowany URL jest widoczny dla użytkowników desktopowych bez żadnej interakcji. Trzy najważniejsze URL-e pojawiają się po kliknięciu “Pokaż więcej”, a wszystkie cytowane źródła stają się widoczne po rozwinięciu pełnej listy przez “Pokaż wszystkie”. Te “rankingi” nie są ostateczne — nie traktuj ich jako równoważników tradycyjnych pozycji w wyszukiwarce. Podsumowania AI Google są niedeterministyczne, co oznacza, że zmieniają się przy każdym odświeżeniu, a wraz z nimi cytowane URL-e.
Nasza analiza 146 milionów SERP-ów pokazuje, że AI Overviews pojawiają się dla 21% wszystkich słów kluczowych, ale niektóre typy zapytań wywołują je znacznie częściej. AI Overviews występują w 57,9% zapytań w formie pytań i w 46,4% zapytań zawierających 7 lub więcej słów. Typ pytania również ma znaczenie — zapytania “reason” (pytania “dlaczego”) wywołują AI Overviews w 59,8% przypadków, co stanowi najwyższy wskaźnik. Zapytania typu “bool” (pytania tak/nie) i definicje również pokazują znacznie powyżej przeciętne wskaźniki odpowiednio 57,4% i 47,3%. Co kluczowe, 99,9% słów kluczowych z AI Overview ma charakter informacyjny.
Pozycjonuj się najpierw w tradycyjnych wynikach wyszukiwania
Jeśli nie jesteś widoczny w tradycyjnym wyszukiwaniu, prawdopodobnie nie pojawisz się w AI Overviews. Nasza analiza 1,9 miliona cytowań w AI Overview wykazała, że 76% z nich znajduje się również w TOP 10 tradycyjnych wyników, a mediana pozycji dla najczęściej cytowanych URL-ów to miejsce drugie. Ma to sens, biorąc pod uwagę sposób działania systemów AI — wykorzystują one retrieval augmented generation (RAG), pobierając informacje z indeksów wyszukiwarek, aby uzupełnić dane treningowe. Jeśli Google nie wyświetla Twojej treści w tradycyjnym wyszukiwaniu, AI Overviews prawdopodobnie też tego nie zrobi.
Sprawdź raport Organic Keywords w Ahrefs Site Explorer, aby zobaczyć, gdzie Twoje docelowe strony rankują się dla odpowiednich słów kluczowych. Jeśli jesteś poza TOP 10, najpierw skup się na poprawie tych pozycji. Następnie śledź swoje strony w Ahrefs Brand Radar, aby zobaczyć, czy Twoje optymalizacje w wyszukiwaniu mają wpływ na widoczność w AI Overview. Na przykład, od momentu aktualizacji i lepszej optymalizacji jednego z naszych blogów udało się odzyskać 12 AI Overviews.
Dopasuj treść do intencji wyszukiwania, nie długości tekstu
AI Overviews nie dbają o to, jak długi jest Twój blog — liczy się, jak dobrze Twoja treść odpowiada na zapytanie. Nasze badania pokazują niemal zerową korelację (Spearman ~0,04) między liczbą słów a cytowaniami AI. Głównym celem powinno być bezpośrednie i wczesne odpowiadanie na zapytanie użytkownika — ukrywanie sedna tylko opóźnia semantyczne zrozumienie Twojej treści przez duże modele językowe (LLM). Kilka miesięcy temu zaktualizowaliśmy artykuł, którego ruch spadał. Myśleliśmy, że go ulepszamy, dodając więcej informacji, wypełniając luki tematyczne i czyniąc go bardziej kompleksowym. Ale gdy sprawdziliśmy później, ruch spadł jeszcze bardziej.
Z pomocą Ahrefs Page Inspect, danych z Keyword Explorer i Claude zdaliśmy sobie sprawę, że rozcieńczyliśmy potencjał oryginalnej treści, dodając zbyt wiele niepotrzebnych szczegółów. Choć edytowaliśmy blog, aby lepiej odpowiadał na zapytanie, dodaliśmy również nowe sekcje dotyczące tematów powiązanych stycznie. Okazało się to zbyt dużą ilością nadmiarowych informacji dla stosunkowo prostego pytania. Nieumyślnie rozcieńczyliśmy fokus, stworzyliśmy niedopasowanie intencji i zakopaliśmy ważne informacje głębiej na stronie. Gdy tylko cofnęliśmy aktualizacje, widoczność w AI Overview zaczęła ponownie rosnąć.
Dan Petrovic w swoim najnowszym badaniu dotyczącym “grounding” Google (treści SERP, których Google używa jako materiału źródłowego przy generowaniu AI Overviews) odkrył, że rozcieńczenie intencji jest realnym problemem. Analizując ponad 7000 zapytań, stwierdził, że grounding osiąga plateau przy około 540 słowach, a strony powyżej 2000 słów przynoszą malejące zwroty. Dodawanie większej ilości treści rozcieńcza procent pokrycia bez zwiększania tego, co zostaje wybrane. Implikacja dla strategii treści jest jasna — gęstość bije długość. Skup się na byciu najbardziej odpowiednim źródłem dla zapytania, nie najdłuższym.
Optymalizuj pod kątem zapytań fan-out, aby zdominować tematy
Badania sugerują, że możesz poprawić swój ranking w AI Overviews, pojawiając się częściej w SERP-ach dla “zapytań fan-out”. Według oficjalnej dokumentacji Google, gdy użytkownik wyszukuje w Google i uruchamia się AI, system wykonuje “Query fan-out”, rozbijając jedno zapytanie na wiele powiązanych podzapytań. Dla pytania użytkownika typu “Co się stanie, jeśli zamienię zwykłą mąkę na pełnoziarnistą w ciasto cytrynowe?” AI może wygenerować zapytania fan-out takie jak “najlepsza mąka do ciasta cytrynowego”, “jak mąka pełnoziarnista wpływa na gęstość ciasta” oraz “wskazówki do pieczenia z mąką pełnoziarnistą”.
Pozwala to Gemini — modelowi zasilającemu AI Overviews — eksplorować różne aspekty tematu i pobierać fragmenty z wielu stron w celu skonstruowania odpowiedzi. Według niedawnych badań Joshuy Hardwicka ze SurferSEO, strony rankujące się dla tych zapytań fan-out mają o 161% większe szanse na cytowanie w końcowym AI Overview niż strony rankujące się tylko dla głównego terminu wyszukiwania. Josh odkrył również, że korelacja Spearmana między rankingiem dla zapytań fan-out a cytowaniem w AI Overview wynosi 0,77, co oznacza bardzo silny związek.
Jest całkiem jasne — ranking w AI Overviews dotyczy budowania głębokiej autorytetu tematycznego. Nie skupiaj się nadmiernie na pojedynczych słowach kluczowych czy izolowanych cytowaniach. Pisz treści obejmujące wiele aspektów Twojego docelowego tematu, aby zwiększyć swoje szanse na pojawienie się w SERP-ach zapytań fan-out. Praktycznym sposobem jest bezpośrednia optymalizacja pod zapytania fan-out — dokładnie to zrobił Dan Hinkley z GoFish Digital. Używając Gemini API i Screaming Frog do ekstrakcji zapytań fan-out Google, Dan stworzył skrypt Pythona, który można skopiować i wkleić.
Jeszcze łatwiejszym sposobem na wyodrębnienie fan-outów AI Overview jest Qforia — darmowe narzędzie stworzone przez eksperta AI i założyciela iPullRank, Mike’a Kinga. Jest ono modelowane na jednym z oficjalnych patentów retrieval Google i zasadniczo replikuje proces fan-out query Gemini. Wystarczy wprowadzić słowo kluczowe, które chcesz optymalizować, dodać darmowy klucz API Gemini i kliknąć “Run fan-out”. Następnie pobierz CSV i zacznij optymalizować swoją treść wokół tych bardziej szczegółowych podzapytań.
Buduj autorytet na poziomie tematycznym, nie pojedynczych słów kluczowych
Mapowanie zapytań fan-out do istniejącej treści może pomóc Ci znaleźć luki tematyczne i zbudować autorytet w możliwie największej liczbie powiązanych zapytań — obejmując każdy kąt, który Gemini może eksplorować. Dodaj swoją markę do Brand Radar, przejdź do raportu Topics i zobacz, które motywy AI Overviews obecnie kojarzą z Twoją marką. Następnie zidentyfikuj luki między tym, gdzie chcesz być (docelowe tematy autorytetu) a tym, gdzie jesteś w percepcji AI. Rodrigo Stockebrand, Global Head of SEO w Entain i były Head of SEO w NASA, eksportuje niebrandowe słowa kluczowe AI Overview i encje z raportu Organic Keywords w Site Explorer. Następnie używa Poe/AI studio do budowania grafów sieciowych pokazujących, które klastry encji pojawiają się w AI Overviews, a które nie.
Parent Topics w Ahrefs Keywords Explorer pokazuje wszystkie słowa kluczowe, które potencjalnie możesz objąć pojedynczym elementem treści. Użyj tego narzędzia, aby znaleźć i pogrupować swoją treść wokół powiązanych tematów — NIE tylko pojedynczych słów kluczowych. Po zbudowaniu klastrów treści i optymalizacji istniejących, użyj raportu Internal Link Opportunities w Site Audit, aby zbudować silniejsze wewnętrzne połączenia tematyczne. Wzmocnij sygnały autorytetu poprzez łączenie powiązanych stron w obrębie klastrów tematycznych — to pomaga zarówno użytkownikom, jak i AI lepiej zrozumieć głębokość Twojej wiedzy.
Podsumowanie
AI Overviews zmieniają zasady gry w SEO. Aby się w nich pozycjonować, musisz przede wszystkim dobrze rankować w tradycyjnych wynikach wyszukiwania — najlepiej w TOP 3. Skup się na zapytaniach informacyjnych w formie pytań, dopasuj treść do intencji wyszukiwania bez zbędnego rozcieńczania, a przede wszystkim buduj głęboki autorytet tematyczny poprzez optymalizację pod zapytania fan-out. To nie jest już walka o pojedyncze słowa kluczowe, to walka o dominację w całych obszarach tematycznych.
Źródło: Ahrefs Blog, “How to Rank in AI Overviews: What Actually Works (Based on Data, Not Speculation)”, Louise Linehan
